2026年8月5日 · 阅读时间5分钟 软件有一种超能力。一次构建产品，可以以大约与分发给一个用户相同的成本分发给一百万个用户。每一个新增客户几乎都流向了底线。这创建了一个毛利率水平，75-85%，使软件与历史上任何其他行业不同。这些利润率使得激进的客户获取的单位经济学在一种几乎令人难以置信的方式上奏效。一旦客户在平台上，他们的服务成本几乎为零。终身价值的计算非常宽容。这合理化了对增长的现金投入，产生了定义过去十五年的SaaS剧本：现在积极获取客户，因为单位经济学在你扩大规模时会变得更好，而不是更差。这是真正的异常情况。大多数行业并非如此。 然后，人工智能提高了赌注。用户开始期待软件有根本不同的东西：不仅仅是存储和检索的工具，而是能够推理、生成和响应的产品。满足这种期望意味着进行大型语言模型（LLM）调用，而LLM调用是需要成本的。当你的产品每次用户进行某项操作时都进行LLM调用时，这种超能力就开始减弱。每次推理调用[1] 都需要花费。每个用户交互都带来了计算成本，这与使用量直接相关。对于应用层[2]，这是直接的单位成本，真正的现金流出。软件总是有销售成本：托管、带宽、支付费用，尽管这些费用较小、逐渐下降，并且与产品无关。人工智能使这些成本变得显著、难以避免，并与核心体验密不可分。材料清单终于变得重要。 启示性的利润结构 这引入了一种在传统SaaS中不存在的权衡。你选择为用户提供服务的模型不仅影响你的损益表，还影响你的产品质量，这又影响你的竞争地位。使用较便宜的模型可以保护利润，但你可能会因为竞争对手提供更好的体验而流失用户。使用前沿模型[3] 则能在产品上获胜，但在经济上会出血。首次出现的情况是利润和质量在基本的每单位基础上发生直接冲突。这是在软件世界中的硬件风格决策：制造商总是苦恼的组件选择和输入成本管理，现在首次摆在软件创始人的桌上。 实际上，大多数人工智能创始人对此十分清楚，并采取措施来管理它：同时运行几种模型，将日常工作负载路由到较小或经过微调的模型，只将难题上升到前沿模型。这是对真实约束的合理反应，但并不会消除权衡。随着产品的扩展，推理往往成为主要成本，甚至取代人才作为主要开支。权衡变得更加中心化。现在，大多数公司理性地忽视这一切的全面影响。市场变化迅速，土地争夺是真实的，在竞争强度如此之高时，推理成本的燃烧是一个可以辩护的短期决策。这也在积累问题。在某个时刻，市场将成熟，疯狂将正常化，而你必须以从未深思熟虑过的成本结构经营一个盈利的企业。均衡最终会到来。那些一直在考虑单位经济学的创始人在那时会更具优势。如果利润结构压缩，而且确实在压缩，整个计算将崩塌。ICONIQ最近的调查数据显示，2026年AI产品的平均毛利率约为52%[4]，随着公司在成本管理上变得更聪明，逐年改善，但仍远低于SaaS投资者内部化的75-85%的基线。当这些客户的计算成本真实存在时，你不能以激进的方式为客户获取辩护。SaaS时代的隐性契约，即现在增长，利润将随之而来，当成本结构不以相同方式随着规模改善时，这一契约就不再成立。 压缩还有第二个维度，这也解释了你已经看到的定价变化：人工智能不仅增加了边际成本，还以传统SaaS从未有过的方式增加了服务成本的可变性。一个进行了一百次推理调用的重度用户的成本显著高于一个只进行五次的普通用户。在传统SaaS中，两者几乎没有成本。固定费用订阅将这种差异在用户基数中进行社会化，直到你最重的用户的费用高到足以破坏你的利润。基于使用情况的定价是合理的回应：将你的收费与实际服务成本对齐。AI原生公司不断朝这个方向发展并非偶然。定价模型的变化是因为成本模型首先发生了变化。乐观主义者将指出推理成本正在快速下降，确实如此。然而，你不能…